#pytorch Repositories
Insgesamt 1,936 Repositories
Ein zeichenbasiertes Sprachdiffusionsmodell, trainiert auf Tiny Shakespeare
PyTorch-Erweiterungsbibliothek für optimierte Graph-Cluster-Algorithmen
Skalierung Ihrer Kernel auf 31x31: Überprüfung des Designs großer Kernel in CNNs (CVPR 2022)
[ICLR 2026] Zur Generalisierung von SFT: Eine Perspektive des Reinforcement Learning mit Belohnungsrectifizierung.
Offizielle PyTorch-Implementierung von ODISE: Open-Vocabulary Panoptic Segmentation mit Text-zu-Bild-Diffusionsmodellen [CVPR 2023 Highlight]
Moderne Computer Vision mit PyTorch, veröffentlicht von Packt
[ECCV'24] GeoWizard: Diffusion Priors für die 3D-Geometrie-Schätzung aus einem einzigen Bild entfesselt
Echtzeit-Synthese von neuronalen Strahlungs-Tanzporträts durch audio-räumliche Dekomposition
Inferenzcode für das Paper "Spirit-LM Interleaved Spoken and Written Language Model".
U-Mamba: Verbesserung der Langstreckenabhängigkeit für die biomedizinische Bildsegmentierung
Erstellen Sie eine RAG (Retrieval Augmented Generation) Pipeline von Grund auf und lassen Sie sie komplett lokal laufen.
😇Eine PyTorch-Implementierung des DeepMoji-Modells: State-of-the-Art-Deep-Learning-Modell zur Analyse von Stimmungen, Emotionen, Sarkasmus usw.
:zap: Basierend auf Yolos stromsparendem, ultraleichtem universellem Zielerkennungsalgorithmus beträgt der Parameter nur 250k, und die Geschwindigkeit des mobilen Smartphoneterminals kann ~300fps+ erreichen.
Ein minimalistisches SOTA LaTeX OCR-Modell mit nur 20M Parametern, das im Browser läuft. Die vollständige Trainings-Pipeline steht zur Selbst-Reproduktion zur Verfügung. | Leichtgewichtiges SOTA LaTeX Formel-Erkennungsmodell mit nur 20M Parametern, das im Browser läuft. Der gesamte Trainings-Workflow-Code ist für das Selbststudium und die Reproduktion Open Source.
Repository des Vision Transformer mit deformierbarer Aufmerksamkeit (CVPR2022) und DAT++: Räumlich dynamischer Vision Transformer mit deformierbarer Aufmerksamkeit
Implementierung eines chinesischen großen Sprachmodells mit geringer Parameteranzahl von Grund auf.
[NeurIPS 2020] MCUNet: Tiny Deep Learning auf IoT-Geräten; [NeurIPS 2021] MCUNetV2: Speichereffiziente Patch-basierte Inferenz für Tiny Deep Learning; [NeurIPS 2022] MCUNetV3: On-Device Training unter 256KB Speicher
Implementierung von [CVPR 2025] „DiffSensei: Verbindung multimodaler LLMs und Diffusionsmodelle für die benutzerdefinierte Manga-Generierung“
Dieses Repository ist eine inoffizielle PyTorch-Implementierung von medizinischer Segmentierung in 2D und 3D.
alfred-py: Eine Deep-Learning-Utility-Bibliothek für **Menschen**, mehr Details zur Nutzung der Lib: https://zhuanlan.zhihu.com/p/341446046
Offizielles Repository für „DrEureka: Sprachmodell-geführtes Sim-to-Real-Transfer“ (RSS 2024)
TriplaneGaussian: Eine neue hybride Darstellung für die Einzelbild-3D-Rekonstruktion.
MONAI Label ist ein intelligentes Open-Source-Tool zum Beschriften und Erlernen von Bildern.
:four_leaf_clover: Ein weiterer chinesischer Chatbot, implementiert in PyTorch, der ein Untermodul des intelligenten Work-Order-Verarbeitungsroboters ist. 👩🔧
BladeDISC ist ein End-to-End-Projekt für dynamische Form-Compiler für maschinelle Lernlasten.
TextGAN ist ein PyTorch-Framework für textgenerierende Modelle auf Basis von Generative Adversarial Networks (GANs).
Momentum Human Rig ist ein anatomisch inspiriertes, parametrisches, vollständiges digitales Humankörperformell, das bei Meta entwickelt wurde. Es beinhaltet: Ein parametrisches Skelettmodell des Körpers; ein realistisches 3D-Mesh, das mit Detailgraden an das Skelett gebunden ist; ein Körper-Blendshape- und Pose-Korrekturmodell; ein Gesichts-Blendshape-Modell. Sein Design ist sowohl für die CG- als auch für die CV-Community freundlich.
Das calflops wurde entwickelt, um FLOPs, MACs und Parameter in allen verschiedenen neuronalen Netzen zu berechnen, wie z. B. Linear, CNN, RNN, GCN, Transformer (Bert, LlaMA etc. Large Language Model).
Ähnlichkeiten: Ein Toolkit zur Ähnlichkeitsberechnung und semantischen Suche. Ähnlichkeitsberechnungs-, Matching-Such-Toolkit, unterstützt Milliarden von Daten für Text-zu-Text-, Text-zu-Bild-, Bild-zu-Bild-Suche, entwickelt mit Python 3, sofort einsatzbereit.
Eine hochoptimierte LLM-Inferenzbeschleunigungs-Engine für Llama und seine Varianten.
Ein performantes ML-Modell-Serving-Framework, das dynamisches Batching und CPU/GPU-Pipelines bietet, um Ihre Rechenmaschine voll auszunutzen
You Only Watch Once: Eine einheitliche CNN-Architektur für die Echtzeit-Lokalisierung von Handlungen im Raum-Zeit
NISQA - Nicht-intrusives Assessment der Sprachqualität und TTS-Natürlichkeit
Omni SenseVoice: Hochgeschwindigkeits-Spracherkennung mit Zeitstempeln für Wörter 🗣️🎯